高光谱图像技术在掺假大米检测中的应用

《高光谱图像技术在掺假大米检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第30卷第21期农业工程学报Vol.30No.212014年11月TransactionsoftheChineseSocietyofAgriculturalEngineeringNov.2014301高光谱图像技术在掺假大米检测中的应用1,21211孙俊，金夏明，毛罕平，武小红，杨宁（1.江苏大学电气信息工程学院，镇江212013；2.江苏大学江苏省现代农业装备与技术重点实验室，镇江212013）摘要：为了有效判别出优质大米中是否掺入劣质大米，该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米，按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大

2、米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统（390～1050nm）获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域（regionofinterest,ROI），并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机（supportvectormachine，SVM）建立全光谱波段下的大米掺假判别模型，径向基（radialbasisfunction，RBF）核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大，该文采用主成分分析方法（principalcomponentanalys

3、is，PCA）分别对大米高光谱图像和高光谱数据进行处理，从特征选择和特征提取2个角度对原始高光谱数据进行处理，通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6nm6个特征波长，通过留一交叉验证法（leave-one-outcross-validation，LOOCV）确定并提取出PCA降维后的最优主成分数（numberofprincipalcomponent，PCs）为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入，建立SVM模型。试验结果表明，基于特征波长SVM模型的交叉验证准确率为95%、预测集正确率为96%，基于最优主成

4、分数SVM模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明，该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能，且利用高光谱图像技术对大米掺假问题进行检测是可行的。关键词：无损检测；主成分分析；图像采集；大米掺假；支持向量机；高光谱图像doi：10.3969/j.issn.1002-6819.2014.21.036中图分类号：TP73文献标志码：A文章编号：1002-6819(2014)-21-0301-07孙俊，金夏明，毛罕平，等.高光谱图像技术在掺假大米检测中的应用[J].农业工程学报，2014，30(21)：301－307.SunJun,JinXi

5、aming,MaoHanping,etal.Applicationofhyperspectralimagingtechnologyfordetectingadulteraterice[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2014,30(21):307－307.(inChinesewithEnglishabstract)中国关于农副食品掺假事件也屡见报道，所以食品0引言安全专家急需通过技术手段检测农副产品的掺假大米是全世界大多数人的主食，中国近2/3的情况。传统的检测

6、手段基本是基于人为感官判断或人口以大米为主食，其为人体提供糖类、蛋白质、者基于人工化学分析方法。人为感官判别需要检测脂肪及膳食纤维等主要营养成分，还为人体提供大人员极丰富的经验，通常失误率较高；人工化学分量必需的微量元素。根据产地、品种分类，大米类析检测方法虽能较精确检测出物质之间内部成分的别很多，它们色泽、香味、品质不同，价格也不同，[1-2]差异从而进行辨别，但是费时费力，不便于推广。所以有些商贩在大米销售时以次充好，从中获利，当前无损检测方法比较流行，其中光谱技术已这种行为严重损害了广大消费者的利益。如果消费[3-4][4]经在农副产品掺假中有所应用，刘波平等利用者购买并食用了掺假的大米

7、，轻则会影响到大米食近红外光谱技术结合PLS-自组织竞争神经网络，对用时的口感，重则会对身体造成一定的伤害。当前，[5]鲜乳和掺假乳进行检测识别；孙通等基于可见/近红外光谱技术，建立UVE-GA-LDA分类模型，较收稿日期：2014-07-23修订日期：2014-10-24适用于掺杂2%以上菜籽油的山茶油鉴别分类。周基金项目：国家自然科学基金资助项目（31101082）；江苏高校优势学子立等[6]